Tietoanalyysi on käytäntö, jossa raakatietoja tilataan ja järjestetään siten, että niistä voidaan hyödyntää hyödyllistä tietoa. Tietojen järjestämis- ja ajatteluprosessi on avain tietojen ymmärtämiseen, mitä ne tekevät ja mitä ne eivät sisällä. On olemassa erilaisia tapoja, joilla ihmiset voivat lähestyä data -analyysiä, ja on tunnetusti helppoa manipuloida tietoja analyysivaiheessa tiettyjen johtopäätösten tai esityslistan tekemiseksi. Tästä syystä on tärkeää kiinnittää huomiota tietoanalyysin esittelyssä ja ajatella kriittisesti tietoja ja tehtyjä johtopäätöksiä.
Raakatiedot voivat olla monenlaisia, mukaan lukien mittaukset, kyselyvastaukset ja havainnot. Raakamuodossa nämä tiedot voivat olla uskomattoman hyödyllisiä, mutta myös ylivoimaisia. Tietojen analysointiprosessin aikana raakatiedot tilataan tavalla, joka on hyödyllinen. Esimerkiksi kyselyn tulokset voidaan laskea yhteen, jotta ihmiset näkevät yhdellä silmäyksellä, kuinka moni vastasi kyselyyn ja miten ihmiset vastasivat tiettyihin kysymyksiin.
Tietojen järjestämisessä ilmenee usein trendejä, ja nämä suuntaukset voidaan korostaa tietojen kirjoittamisessa, jotta lukijat huomioivat. Esimerkiksi jäätelön mieltymysten satunnaisessa tutkimuksessa enemmän naisia kuin miehiä voisi ilmaista rakkautensa suklaaseen, ja tämä voisi olla tutkijan kiinnostuksen kohteena. Tietojen mallintaminen matematiikan ja muiden työkalujen avulla voi joskus liioitella tällaisia kiinnostuksen kohteita tiedossa, jolloin tutkijan on helpompi nähdä.
Kaaviot, kaaviot ja tietojen tekstikirjoitukset ovat kaikki data -analyysin muotoja. Nämä menetelmät on suunniteltu hienosäätämään ja tislaamaan tietoja niin, että lukijat voivat kerätä mielenkiintoista tietoa ilman, että heidän tarvitsee lajitella kaikkia tietoja itse. Tietojen yhteenveto on usein kriittinen näiden tietojen kanssa esitettyjen argumenttien tueksi, samoin kuin tietojen esittäminen selkeästi ja ymmärrettävästi. Raakatiedot voidaan sisällyttää myös liitteenä, jotta ihmiset voivat etsiä yksityiskohtia itse.
Kun ihmiset kohtaavat yhteenvetotietoja ja johtopäätöksiä, heidän tulee suhtautua niihin kriittisesti. Tärkeää on kysyä, mistä tiedot ovat peräisin, samoin kuin tietojen keräämiseen käytettyä näytteenottomenetelmää ja otoksen kokoa. Jos tietolähde näyttää olevan eturistiriidassa kerättävän datan tyypin kanssa, tämä voi kyseenalaistaa tulokset. Samoin pienestä otoksesta tai näytteestä, joka ei ole todella satunnainen, kerätyt tiedot voivat olla kyseenalaisia. Hyvämaineiset tutkijat antavat analyysin alussa aina tietoa käytetyistä tiedonkeruutekniikoista, rahoituslähteestä ja tiedonkeruun kohdasta, jotta lukijat voivat ajatella näitä tietoja analyysin tarkastelun aikana.